Вице-президент Google о том, как из хаоса кода рождаются вычисления
PrimeCoder · 2026 · формат: interview
Итоги интервью: ключевые тезисы и что они значат для рынка.
Разговор задаёт рамку для оценки автономных ИИ-систем: вычисление может быть не только инструментом, который проектирует человек, но и самоорганизующимся процессом.
Связанные услуги: каталог, AI Boost Team, стать клиентом.
В идеализированном мире кода завелись программы. Их никто не писал построчно: стартовые условия — случайные последовательности на Brainfuck, дальше мутации и взаимодействие. Итог по предварительному ответу авторов: да, самовоспроизводящиеся «жизнеподобные» структуры там появляются.
Разговор об этой работе вышел в подкасте Mindscape, русский перевод — на Хабре. Ниже — что именно было сказано, и почему это стоит держать в голове, если у вас в продукте или операционке уже крутится что-то автономное.
Кто говорит и откуда
Блез Агуэра-и-Аркас, вице-президент по инженерным разработкам в Google, участник команды Paradigms of Intelligence. Автор книг Ubi Sunt и Who Are We Now?. Сама работа — научная статья с соавторами, идентификатор arXiv:2406.19108. Разговор ведёт Шон Кэрролл, ведущий подкаста Mindscape. Перевод интервью на русский опубликован на Хабре, дата выхода перевода в исходных данных не указана.
Сюжет тут двойной. Первый слой — технический: почему для эксперимента взяли именно Brainfuck. Второй, более интересный для бизнеса — рамка, в которой автор предлагает обсуждать вычисление вообще.
Ключевые тезисы
1. Эксперимент поставлен в предельно бедной среде
Если запустить множество таких случайных систем и позволить им мутировать и взаимодействовать друг с другом, возникнут ли в итоге “жизнеподобные”, самовоспроизводящиеся программы?
Обратите внимание на формулировку. Это вопрос, а не лозунг. Автор описывает постановку: начальные условия — случайные последовательности, дальше система развивается, мутирует, элементы взаимодействуют. В цикле нет проектировщика, который подкручивает результат руками. По результатам работы ответ на этот вопрос, судя по всему, положительный, но именно как результат эксперимента, а не как манифест.
2. Гипотеза: вычисление — аттрактор
Это поднимает интересный вопрос: не является ли вычисление аттрактором в пространстве соответствующих динамических процессов?
Разберём без философского тумана. Аттрактор — то, куда система сползает сама, без внешней команды. Если вычисление ведёт себя как аттрактор, привычная картинка переворачивается: не человек придумывает вычисление и приделывает его к процессу, а динамика сама приходит в это состояние, а человек потом это состояние описывает и использует. Оговорка обязательна: это гипотеза из результатов работы, а не измеренная величина. Прямого прибора для такого замера нет.
3. Почему Brainfuck, а не что-то приличное
Плохая новость в том, что в этом выпуске будет нецензурная лексика. Не потому, что мы вдруг решили особенно грубо выражаться или ругаться, а потому, что будем обсуждать компьютерные симуляции, написанные и запущенные на языке под названием Brainfuck.
Автор снимает вопрос заранее, и это по-своему честно. Язык почти без синтаксиса и почти без человеческих подсказок внутри. Чем беднее субстрат, тем меньше в итоговом поведении вашего авторского замысла и тем чище вывод: то, что получилось, собралось из правил, а не из вашей аккуратности. Для эксперимента с самоорганизацией это принципиально.
Что это меняет для бизнеса
Прямого рецепта для внедрения здесь нет, и продавать вам его как рецепт — обман. Но рамку для оценки автономных ИИ-систем разговор задаёт, и она неудобная.
Привычная логика закупки: «покажите, что ваш агент умеет». Показать умеет много кто, потому что демо собирает человек. Вопрос из интервью звучит иначе: что система делает, когда её никто не трогает? Что в ней размножается, что затухает, что воспроизводится само без вашего участия?
Второе следствие. Если вычисление в принципе способно возникать как устойчивое состояние процесса, то автономный контур на вашей стороне нельзя оценивать по чек-листу фич интерфейса. Оценивать надо по поведению: где границы контура, кто в нём наблюдатель, что произойдёт, если наблюдатель уйдёт. Это уже вопросы к вашему подрядчику, а не к Google.
Практические выводы
- Спрашивайте про поведение без наблюдателя. Не «что умеет», а «что делает, когда с ней никто не работает». Ответ «ничего» тоже ответ.
- Разделяйте замысел и самоорганизацию. Если в отчёте только «мы это заложили», вопрос про аттрактор остался открытым.
- Бедный субстрат честнее богатого. Чем меньше ручных подсказок в контуре, тем понятнее, что вы реально получили.
- Не обещайте себе полный контроль. Над автономным контуром контроль всегда частичный. Это не пессимизм, это условие задачи.
- Держите границы контура явными. Что снаружи, что внутри, кто и когда может вмешаться.
FAQ
Что конкретно сделали в эксперименте?
Запустили множество случайных программ на Brainfuck, дали им мутировать и взаимодействовать. По результатам работы появились «жизнеподобные» самовоспроизводящиеся программы.
Аттрактор — это как по-русски?
Устойчивое состояние, к которому система приходит сама. Мяч в ямке: куда ни толкни, скатится обратно. Гипотеза автора в том, что вычисление ведёт себя похожим образом в пространстве динамических процессов.
Это имеет отношение к происхождению жизни?
Тема связывается с вопросом происхождения жизни на Земле и с тем, насколько жизнь распространена во Вселенной. Эксперимент идёт в идеализированном мире кода, а не в пробирке.
Мне как владельцу бизнеса это зачем?
Как рамка для оценки автономных систем, которые вы уже покупаете или собираетесь покупать. Она смещает фокус с демонстраций на поведение.
Это уже можно внедрять?
Нет. Речь о научной работе и интервью о ней. Практического продукта за этим разговором не стоит.
3 цитаты, которые стоит запомнить
- Про постановку:
Если запустить множество таких случайных систем и позволить им мутировать и взаимодействовать друг с другом, возникнут ли в итоге “жизнеподобные”, самовоспроизводящиеся программы?
- Про главную гипотезу:
Это поднимает интересный вопрос: не является ли вычисление аттрактором в пространстве соответствующих динамических процессов?
- Про выбор языка:
Плохая нов
Что сделать дальше
Короткая диагностика под ваш процесс: обычно 3 дня для малого бизнеса и до 5 дней для проектов со сложной воронкой и несколькими стейджами.
Быстрый расчет эффекта: (количество заявок × текущая стоимость обработки заявки) − (то же после внедрения целевой модели) + (дополнительные продажи × средняя маржа). Число получится грубым и полезным: оно задаёт экономику решения даже без идеальных данных.
По запросу высылаем чеклист диагностики и шаблон weekly-отчёта по экспериментам: там видно, когда пора усиливать сценарий, а когда — остановиться.
- Обсудить применение под вашу задачу: Открыть форму контактов PrimeCoder
- Получить план внедрения на 30 дней: Подключить AI Boost Team как внешний AI-офис с KPI
Практическое действие после чтения
Опишите процесс и текущие цифры — вернем первый сценарий проверки гипотезы.
Дальше по теме платформы: смежные материалы (Маркетинг и SEO-связки)
Статью лучше читать в связке — так быстрее собирается картина, как ответ складывается в работающую воронку, а не в изолированный совет.